CN114495643B - 一种辅助训练的方法和存储设备 - Google Patents
一种辅助训练的方法和存储设备 Download PDFInfo
- Publication number
- CN114495643B CN114495643B CN202210099037.9A CN202210099037A CN114495643B CN 114495643 B CN114495643 B CN 114495643B CN 202210099037 A CN202210099037 A CN 202210099037A CN 114495643 B CN114495643 B CN 114495643B
- Authority
- CN
- China
- Prior art keywords
- value
- user
- line
- training
- preset
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000012549 training Methods 0.000 title claims abstract description 90
- 238000000034 method Methods 0.000 title claims abstract description 31
- 238000003860 storage Methods 0.000 title claims abstract description 14
- 230000001186 cumulative effect Effects 0.000 claims description 17
- 230000000694 effects Effects 0.000 abstract description 11
- 210000004556 brain Anatomy 0.000 abstract description 8
- 238000005516 engineering process Methods 0.000 abstract description 2
- 238000012545 processing Methods 0.000 abstract description 2
- 230000006641 stabilisation Effects 0.000 description 8
- 238000011105 stabilization Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 4
- 238000009826 distribution Methods 0.000 description 3
- 230000014509 gene expression Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000002040 relaxant effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012552 review Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
- G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
- G09B19/00—Teaching not covered by other main groups of this subclass
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Physics & Mathematics (AREA)
- Educational Administration (AREA)
- Educational Technology (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Electrically Operated Instructional Devices (AREA)
Abstract
本申请涉及数据处理技术领域,特别涉及一种辅助训练的方法和存储设备。所述一种辅助训练的方法,包括步骤:响应用户开始训练指令,生成第一预设像素长度的线路;每隔第二预设像素长度获取所述用户的能力参数值,使用预设算法对所述能力参数值进行计算得需求程度值;根据所述需求程度值和能力参数值动态生成后续的路线图。以上方法,后续的路线图是会根据用户的自身能力来进行个性化的动态生成,并非是一成不变的,甚至即便是同一个用户,每次出现的线路仍然是动态的,故此无法提前在用户脑中得到线路记忆,可以提高用户的脑部训练,使得可以做到有的放矢的训练,从而达到最终想要的训练效果。
Description
技术领域
本申请涉及数据处理技术领域,特别涉及一种辅助训练的方法和存储设备。
背景技术
随着国家社会水平的提高,家长们对孩子的教育问题越来越重视,其中儿童精细协调能力的训练则是家长们非常关注的一个问题。为了训练孩子的精细协调能力,现在市面上出现越来越多的产品,其中更有许多用于专注力训练的益智类的游戏出现。
目前市面上常见的训练方式有:将训练图打印到纸质,用户直接在纸质上进行画线训练,其只能根据用户的碰边次数来评估用户的精细控制能力。
此外有一些线上方式的训练,线上方式的训练是以设定好的路线图给用户进行训练,因图形路线固定,故只能根据碰边的次数和停顿次数进行评估,同时受到屏幕界面的限制,每次不间断训练的时间过短,是难以达到训练的效果。
并且线路固定无法根据各个使用用户的特性来进行难度调整,使得被训练者要么觉得难度太高,失去兴趣,要么是难度太低,其精细协调能力等又无法得到恰当的提升,得到想要的训练效果。
发明内容
鉴于上述问题,本申请提供了一种辅助训练的方法,用以解决现有精细协调能力训练方法生成线路固定,无法达到训练效果等技术问题。具体技术方案如下:
一种辅助训练的方法,包括步骤:
响应用户开始训练指令,生成第一预设像素长度的线路;
每隔第二预设像素长度获取所述用户的能力参数值,使用预设算法对所述能力参数值进行计算得需求程度值;
根据所述需求程度值和能力参数值动态生成后续的路线图。
进一步的,还包括步骤:
当后续新的路线图生成后,前面用户已画路线会以预设速度逐渐消失。
进一步的,所述“生成第一预设像素长度的线路”,具体还包括步骤:
判断所述用户是否是新用户,若是新用户,则按预设规则生成第一预设像素长度的线路;
若不是新用户,则获取所述用户的历史平均需求程度值,根据所述历史平均需求程度值生成第一预设像素长度的线路。
进一步的,所述能力参数值包括但不限于:流畅值、稳定值、速度值、力量控制值;
所述流畅值由以下中的一种或多种参数决定:停顿次数、停顿分值、停顿时间、画线累计时间、碰边次数、碰边分值、碰边长度、画线累计长度。
进一步的,所述“使用预设算法对所述能力参数值进行计算得需求程度值”,具体还包括步骤:
通过k-近邻算法对所述流畅值和所述稳定值进行计算得需求程度值。
为解决上述技术问题,还提供了一种存储设备,具体技术方案如下:
一种存储设备,其中存储有指令集,所述指令集用于执行:
响应用户开始训练指令,生成第一预设像素长度的线路;
每隔第二预设像素长度获取所述用户的能力参数值,使用预设算法对所述能力参数值进行计算得需求程度值;
根据所述需求程度值和能力参数值动态生成后续的路线图。
进一步的,所述指令集还用于执行:当后续新的路线图生成后,前面用户已画路线会以预设速度逐渐消失。
进一步的,所述指令集还用于执行:所述“生成第一预设像素长度的线路”,具体还包括步骤:
判断所述用户是否是新用户,若是新用户,则按预设规则生成第一预设像素长度的线路;
若不是新用户,则获取所述用户的历史平均需求程度值,根据所述历史平均需求程度值生成第一预设像素长度的线路。
进一步的,所述能力参数值包括但不限于:流畅值、稳定值、速度值、力量控制值;
所述流畅值由以下中的一种或多种参数决定:停顿次数、停顿分值、停顿时间、画线累计时间、碰边次数、碰边分值、碰边长度、画线累计长度。
进一步的,所述指令集还用于执行:所述“使用预设算法对所述能力参数值进行计算得需求程度值”,具体还包括步骤:
通过k-近邻算法对所述流畅值和所述稳定值进行计算得需求程度值。
本发明的有益效果是:一种辅助训练的方法,包括步骤:响应用户开始训练指令,生成第一预设像素长度的线路;每隔第二预设像素长度获取所述用户的能力参数值,使用预设算法对所述能力参数值进行计算得需求程度值;根据所述需求程度值和能力参数值动态生成后续的路线图。以上方法,用于训练的路线图并非一次性直接全部生成,而是先生成第一预设像素长度的线路,而后会每隔第二预设像素长度来采集一次用户的能力参数值,根据用户的能力参数值来计算他的需求程度值,再根据这个需求程度值来动态生成后续的路线图。也就是说后续的路线图是会根据用户的自身能力来进行个性化的动态生成,并非是一成不变的,甚至即便是同一个用户,每次出现的线路仍然是动态的,故此无法提前在用户脑中得到线路记忆,可以提高用户的脑部训练,使得可以做到有的放矢的训练,从而达到最终想要的训练效果。
进一步的,由于用户已画线的位置会以预设速度逐渐消失,所以给界面创造出无限不断的生成新线路图的空间,这样系统通过设定不同能力值的情况下训练时间的长短,就可以让用户进行合适时间长度的环境下进行精细训练,从而达到最终的训练效果。
上述发明内容相关记载仅是本申请技术方案的概述,为了让本领域普通技术人员能够更清楚地了解本申请的技术方案,进而可以依据说明书的文字及附图记载的内容予以实施,并且为了让本申请的上述目的及其它目的、特征和优点能够更易于理解,以下结合本申请的具体实施方式及附图进行说明。
附图说明
附图仅用于示出本申请具体实施方式以及其他相关内容的原理、实现方式、应用、特点以及效果等,并不能认为是对本申请的限制。
在说明书附图中:
图1为具体实施方式所述一种辅助训练的方法的流程图一;
图2为具体实施方式所述一种辅助训练的方法的流程图二;
图3为具体实施方式所述一种辅助训练的方法的流程图三;
图4为具体实施方式所述一种辅助训练的方法的流程图四;
图5为具体实施方式所述一种存储设备的模块示意图;
图6为具体实施方式所述阶段累计能力问题出现的分值示意图;
图7为具体实施方式所述以x、y散点图来标记能力问题分布情况示意图。
上述各附图中涉及的附图标记说明如下:
500、存储设备。
具体实施方式
为详细说明本申请可能的应用场景,技术原理,可实施的具体方案,能实现目的与效果等,以下结合所列举的具体实施例并配合附图详予说明。本文所记载的实施例仅用于更加清楚地说明本申请的技术方案,因此只作为示例,而不能以此来限制本申请的保护范围。
在本文中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中各个位置出现的“实施例”一词并不一定指代相同的实施例,亦不特别限定其与其它实施例之间的独立性或关联性。原则上,在本申请中,只要不存在技术矛盾或冲突,各实施例中所提到的各项技术特征均可以以任意方式进行组合,以形成相应的可实施的技术方案。
除非另有定义,本文所使用的技术术语的含义与本申请所属技术领域的技术人员通常理解的含义相同;本文中对相关术语的使用只是为了描述具体的实施例,而不是旨在限制本申请。
在本申请的描述中,用语“和/或”是一种用于描述对象之间逻辑关系的表述,表示可以存在三种关系,例如A和/或B,表示:存在A,存在B,以及同时存在A和B这三种情况。另外,本文中字符“/”一般表示前后关联对象是一种“或”的逻辑关系。
在本申请中,诸如“第一”和“第二”之类的用语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何实际的数量、主次或顺序等关系。
在没有更多限制的情况下,在本申请中,语句中所使用的“包括”、“包含”、“具有”或者其他类似的表述,意在涵盖非排他性的包含,这些表述并不排除在包括所述要素的过程、方法或者产品中还可以存在另外的要素,从而使得包括一系列要素的过程、方法或者产品中不仅可以包括那些限定的要素,而且还可以包括没有明确列出的其他要素,或者还包括为这种过程、方法或者产品所固有的要素。
与《审查指南》中的理解相同,在本申请中,“大于”、“小于”、“超过”等表述理解为不包括本数;“以上”、“以下”、“以内”等表述理解为包括本数。此外,在本申请实施例的描述中“多个”的含义是两个以上(包括两个),与之类似的与“多”相关的表述亦做此类理解,例如“多组”、“多次”等,除非另有明确具体的限定。
以下参阅图1至图4对一种辅助训练的方法展开具体说明,在本实施例中,一种辅助训练的方法可应用在一种存储设备上,所述存储设备包括但不限于:个人计算机、服务器、通用计算机、专用计算机、网络设备、嵌入式设备、可编程设备、智能移动终端等。
如图1所示,一种辅助训练的方法包括如下步骤:
步骤S101:响应用户开始训练指令,生成第一预设像素长度的线路。
步骤S102:每隔第二预设像素长度获取所述用户的能力参数值,使用预设算法对所述能力参数值进行计算得需求程度值。
步骤S103:根据所述需求程度值和能力参数值动态生成后续的路线图。
在本实施例中,通过设定四种参数类型来对精细训练能力做一个评估,分别为:流畅度、稳定度、速度和力道。
故此所述能力参数值包括但不限于:流畅值、稳定值、速度值、力量控制值;
所述流畅值由以下中的一种或多种参数决定:停顿次数、停顿分值、停顿时间、画线累计时间、碰边次数、碰边分值、碰边长度、画线累计长度。
具体的计算公式可如下:
流畅值=停顿次数*停顿分值*(停顿时间/画线累计时间)+碰边次数*碰边分值*(碰边长度/画线累计长度)。其中流畅值越小表示越流畅。
其中公式中的停顿分值和碰边分值设定为固定常数,停顿分值为10,碰边分值为100。
稳定值=线条上下波动频次,速度值=画线距离/画线时间,力量控制值=按压画笔粗细值。
对于各种能力的训练方法如下:
对于流畅度,以弧度转弯大小、直角、夹角转弯来训练;
对于稳定度,以横竖斜方向来训练;
对于力量控制,以线路宽窄来训练;
对于速度,以线路消失的速度来训练。
各项能力训练权重在本实施例中设定为:稳定4>流畅3>力量2>速度1。需要说明的是,在其它实施例中,可以根据实际需要对不同能力的训练权重进行调整。
如图3所示,在步骤S301中用户登录开始训练后。
还会执行步骤S302:判断所述用户是否是新用户,若是新用户,则按预设规则生成第一预设像素长度的线路;
若不是新用户,则获取所述用户的历史平均需求程度值,根据所述历史平均需求程度值生成第一预设像素长度的线路。
对于不同的用户开始训练时,其初始的线路难易程度是不相同的,如果是新用户,则根据系统预设好的规则生成第一预设像素长度的线路。而如果对于老用户,因存储有该用户的历史训练数据,故此可以直接获取该用户的历史平均需求程度值,根据所述历史平均需求程度值生成第一预设像素长度的线路。对用户做到精确匹配。
步骤S303和步骤S304与步骤S102和步骤S103相同,在此不做重复说明。
一种辅助训练的方法,包括步骤:响应用户开始训练指令,生成第一预设像素长度的线路;每隔第二预设像素长度获取所述用户的能力参数值,使用预设算法对所述能力参数值进行计算得需求程度值;根据所述需求程度值和能力参数值动态生成后续的路线图。以上方法,用于训练的路线图并非一次性直接全部生成,而是先生成第一预设像素长度的线路,而后会每隔第二预设像素长度来采集一次用户的能力参数值,根据用户的能力参数值来计算他的需求程度值,再根据这个需求程度值和能力参数值来动态生成后续的路线图。也就是说后续的路线图是会根据用户的自身能力来进行个性化的动态生成,并非是一成不变的,甚至即便是同一个用户,每次出现的线路仍然是动态的,故此无法提前在用户脑中得到线路记忆,可以提高用户的脑部训练,使得可以做到有的放矢的训练,从而达到最终想要的训练效果。
在本实施例中,为了让用户可以达到有一定时长的训练强度,如图2所示,还包括步骤S204:当后续新的路线图生成后,前面用户已画路线会以预设速度逐渐消失。
其中步骤S201至步骤S203与步骤S101至步骤S103相同,在此不做重复说明。
其中前面已画路线的消失速度会根据用户的速度能力进行调整,如用户的速度一直都很快,则可以消失得快一点,用户的速度比较慢,则消失的比较慢点,如此可以催促着用户需要稳速或加快控制画线,通过这种用户不断画线,后面不断出现新的线路,前面已绘画过的线路逐渐消失,可以实现长时间的训练,不会受到屏幕界面的影响,进而达到想要的训练效果。
其中对于新线路的生成,在实际场景中,大致会如下:
若用户经常停顿或碰边的,后续出现的会大概率是带有大小不一的弧度或直角、夹角的线路;
若用户控笔抖动严重的,后续出现的会大概率是左向横向、左右竖向或上下斜方向线路;
若用户按压笔过重时线条会变粗,过于用力的情况下后续会大概率出现逐渐变窄的线路,提醒用户放松力道;
若用户画线速度变慢的情况下,前面逐渐消失的线路会给用户心理一定程度的催促加快。
在本实施例中,如图4所示,所述步骤S402中为通过K-近邻算法对所述能力参数值进行计算得需求程度值。其中步骤S101和步骤S103分别与步骤S401和步骤S403相同在此不做重复说明。
以下以一个具体例子来对步骤S401至步骤S403展开说明:
每次用户登录开始训练时,系统根据之前训练能力进行初始化一段300像素长度的线路,当用户使用触控笔按下开始画线时,系统会每隔50像素长度收集一次用户的四项能力参数值,通过k-近邻算法对所述流畅值和所述稳定值进行计算得需求程度值(即进行需求问题分类)。后续这个需求程度值会跟另外两个能力参数值(速度值和力量值)来一起决定后续动态生成的路线的具体情况,其中速度值主要用于控制前面路线的消失速度,与后续路线的生成速度,力量值用于控制后续路线的宽度变化。
以下展开具体说明:
使用k-近邻算法求出新的需求能力分类的算法步骤:对未知分类的数据包含各项能力数值点依次执行以下操作:
(1)计算已知类别数据集中的点与当前点之间的距离;
(2)按照距离递增次序排序;
(3)选取与当前点距离最小的k个点;
(4)确定前k个点所在类别的出现频率;
(5)返回前k个点出现频率最高的类别作为当前点的预测分类。
以用户画线1200像素长度的数值为例,阶段累计能力问题出现的分值,如图6所示。
以x、y散点图来标记能力问题分布情况如图7所示。
通过以上散点图可以大致推断出每阶段出现的问题数值对应的能力分类,因为通过距离度量,距离已知的哪个分类更近,就能确认归类。用K表示用于选择最近邻居分类的数目,所以可以根据两点距离公式
计算完所有点之间的距离后,可以对数据按照从大到小的次序排列。然后,确定前k个距离最小元素所在的主要分类,最后将字典分解为元素组列表按照从大到小进行排序,得出使用频率最高的分类,并返回分类结果。
新的需求程度值对应线路关系如下表所示。
需求问题 | 问题情况 | 对应线路 |
稳定 | 画线抖动 | 左右、上下、斜方向的正常线路 |
流畅 | 停顿或碰边 | 夹角、弧度的正常线路 |
力量 | 太用力 | 狭窄线路 |
速度 | 画线慢 | 稳定和流畅能力线路随机出现 |
稳定+流畅 | 直角、大弧度的正常线路 | |
稳定+力量 | 左右、上下、斜方向的狭窄线路 | |
稳定+流畅+力量 | 直角、大弧度的狭窄线路 | |
流畅+力量 | 夹角、弧度的狭窄线路 |
以下对上表进行一个分析说明:
如第二行所示,通过k-近邻算法得到其需求问题分类为稳定,即该用户需要在稳定上提升,其常出现的情况是画线抖动,则后续的路线图多以左右、上下、斜方向的正常线路出现。
若发现在此之上,用户的力量过大,则多以左右、上下、斜方向的狭窄线路出现。
以下参阅图5,对一种存储设备500的具体实施方式展开说明:
一种存储设备500,其中存储有指令集,所述指令集用于执行:
响应用户开始训练指令,生成第一预设像素长度的线路;
每隔第二预设像素长度获取所述用户的能力参数值,使用预设算法对所述能力参数值进行计算得需求程度值;
根据所述需求程度值和能力参数值动态生成后续的路线图。
在本实施例中,通过设定四种参数类型来对精细训练能力做一个评估,分别为:流畅度、稳定度、速度和力道。
故此所述能力参数值包括但不限于:流畅值、稳定值、速度值、力量控制值;
所述流畅值由以下中的一种或多种参数决定:停顿次数、停顿分值、停顿时间、画线累计时间、碰边次数、碰边分值、碰边长度、画线累计长度。
具体的计算公式可如下:
流畅值=停顿次数*停顿分值*(停顿时间/画线累计时间)+碰边次数*碰边分值*(碰边长度/画线累计长度)。其中流畅值越小表示越流畅。
其中公式中的停顿分值和碰边分值设定为固定常数,停顿分值为10,碰边分值为100。
稳定值=线条上下波动频次,速度值=画线距离/画线时间,力量控制值=按压画笔粗细值。
对于各种能力的训练方法如下:
对于流畅度,以弧度转弯大小、直角、夹角转弯来训练;
对于稳定度,以横竖斜方向来训练;
对于力量控制,以线路宽窄来训练;
对于速度,以线路消失的速度来训练。
各项能力训练权重在本实施例中设定为:稳定4>流畅3>力量2>速度1。需要说明的是,在其它实施例中,可以根据实际需要对不同能力的训练权重进行调整。
进一步的,所述指令集还用于执行:所述“生成第一预设像素长度的线路”,具体还包括步骤:
判断所述用户是否是新用户,若是新用户,则按预设规则生成第一预设像素长度的线路;
若不是新用户,则获取所述用户的历史平均需求程度值,根据所述历史平均需求程度值生成第一预设像素长度的线路。
对于不同的用户开始训练时,其初始的线路难易程度是不相同的,如果是新用户,则根据系统预设好的规则生成第一预设像素长度的线路。而如果对于老用户,因存储有该用户的历史训练数据,故此可以直接获取该用户的历史平均需求程度值,根据所述历史平均需求程度值生成第一预设像素长度的线路。对用户做到精确匹配。
通过以上存储设备500,用于训练的路线图并非一次性直接全部生成,而是先生成第一预设像素长度的线路,而后会每隔第二预设像素长度来采集一次用户的能力参数值,根据用户的能力参数值来计算他的需求程度值,再根据这个需求程度值和能力参数值来动态生成后续的路线图。也就是说后续的路线图是会根据用户的自身能力来进行个性化的动态生成,并非是一成不变的,甚至即便是同一个用户,每次出现的线路仍然是动态的,故此无法提前在用户脑中得到线路记忆,可以提高用户的脑部训练,使得可以做到有的放矢的训练,从而达到最终想要的训练效果。
在本实施例中,为了让用户可以有达到一定时长的训练强度,进一步的,所述指令集还用于执行:当后续新的路线图生成后,前面用户已画路线会以预设速度逐渐消失。
其中前面已画路线的消失速度会根据用户的速度能力进行调整,如用户的速度一直都很快,则可以消失得快一点,用户的速度比较慢,则消失的比较慢点,如此可以催促着用户需要稳速或加快控制画线,通过这种用户不断画线,后面不断出现新的线路,前面已绘画过的线路逐渐消失,实现长时间的训练,不会受到屏幕界面的影响,进而达到想要的训练效果。
其中对于新线路的生成,在实际场景中,大致会如下:
若用户经常停顿或碰边的,后续出现的会大概率是带有大小不一的弧度或直角、夹角的线路;
若用户控笔抖动严重的,后续出现的会大概率是左向横向、左右竖向或上下斜方向线路;
若用户按压笔过重时线条会变粗,过于用力的情况下后续会大概率出现逐渐变窄的线路,提醒用户放松力道;
若用户画线速度变慢的情况下,前面逐渐消失的线路会给用户心理一定程度的催促加快。
进一步的,所述指令集还用于执行:所述“使用预设算法对所述能力参数值进行计算得需求程度值”,具体还包括步骤:
通过k-近邻算法对所述能力参数值进行计算得需求程度值。
以下以一个具体例子来展开说明:
每次用户登录开始训练时,系统根据之前训练能力进行初始化一段300像素长度的线路,当用户使用触控笔按下开始画线时,系统会每隔50像素长度收集一次用户的四项能力参数值,通过k-近邻算法对所述流畅值和所述稳定值进行计算得需求程度值(即进行需求问题分类)。后续这个需求程度值会跟另外两个能力参数值(速度值和力量值)来一起决定后续动态生成的路线的具体情况,其中速度值主要用于控制前面路线的消失速度,与后续路线的生成速度,力量值用于控制后续路线的宽度变化。
以下展开具体说明:
使用k-近邻算法求出新的需求能力分类的算法步骤:对未知分类的数据包含各项能力数值点依次执行以下操作:
(1)计算已知类别数据集中的点与当前点之间的距离;
(2)按照距离递增次序排序;
(3)选取与当前点距离最小的k个点;
(4)确定前k个点所在类别的出现频率;
(5)返回前k个点出现频率最高的类别作为当前点的预测分类。
以用户画线1200像素长度的数值为例,阶段累计能力问题出现的分值,如图6所示。
以x、y散点图来标记能力问题分布情况如图7所示。
通过以上散点图可以大致推断出每阶段出现的问题数值对应的能力分类,因为通过距离度量,距离已知的哪个分类更近,就能确认归类。用K表示用于选择最近邻居分类的数目,所以可以根据两点距离公式
计算完所有点之间的距离后,可以对数据按照从大到小的次序排列。然后,确定前k个距离最小元素所在的主要分类,最后将字典分解为元素组列表按照从大到小进行排序,得出使用频率最高的分类,并返回分类结果。
新的需求程度值对应线路关系如下表所示。
需求问题 | 问题情况 | 对应线路 |
稳定 | 画线抖动 | 左右、上下、斜方向的正常线路 |
流畅 | 停顿或碰边 | 夹角、弧度的正常线路 |
力量 | 太用力 | 狭窄线路 |
速度 | 画线慢 | 稳定和流畅能力线路随机出现 |
稳定+流畅 | 直角、大弧度的正常线路 | |
稳定+力量 | 左右、上下、斜方向的狭窄线路 | |
稳定+流畅+力量 | 直角、大弧度的狭窄线路 | |
流畅+力量 | 夹角、弧度的狭窄线路 |
以下对上表进行一个分析说明:
如第二行所示,通过k-近邻算法得到其需求问题分类为稳定,即该用户需要在稳定上提升,其常出现的情况是画线抖动,则后续的路线图多以左右、上下、斜方向的正常线路出现。
最后需要说明的是,尽管在本申请的说明书文字及附图中已经对上述各实施例进行了描述,但并不能因此限制本申请的专利保护范围。凡是基于本申请的实质理念,利用本申请说明书文字及附图记载的内容所作的等效结构或等效流程替换或修改产生的技术方案,以及直接或间接地将以上实施例的技术方案实施于其他相关的技术领域等,均包括在本申请的专利保护范围之内。
Claims (6)
1.一种辅助训练的方法,其特征在于,包括步骤:
响应用户开始训练指令,生成第一预设像素长度的线路;
每隔第二预设像素长度获取所述用户的能力参数值,使用预设算法对所述能力参数值进行计算得需求程度值;
根据所述需求程度值和能力参数值动态生成后续的路线图;
所述能力参数值包括:流畅值、稳定值、速度值、力量控制值;
所述流畅值由以下中的一种或多种参数决定:停顿次数、停顿分值、停顿时间、画线累计时间、碰边次数、碰边分值、碰边长度、画线累计长度;
所述使用预设算法对所述能力参数值进行计算得需求程度值,具体还包括步骤:
通过k-近邻算法对所述流畅值和所述稳定值进行计算得需求程度值。
2.根据权利要求1所述的一种辅助训练的方法,其特征在于,还包括步骤:
当后续新的路线图生成后,前面用户已画路线会以预设速度逐渐消失。
3.根据权利要求1所述的一种辅助训练的方法,其特征在于,所述生成第一预设像素长度的线路,具体还包括步骤:
判断所述用户是否是新用户,若是新用户,则按预设规则生成第一预设像素长度的线路;
若不是新用户,则获取所述用户的历史平均需求程度值,根据所述历史平均需求程度值生成第一预设像素长度的线路。
4.一种存储设备,其中存储有指令集,其特征在于,所述指令集用于执行:
响应用户开始训练指令,生成第一预设像素长度的线路;
每隔第二预设像素长度获取所述用户的能力参数值,使用预设算法对所述能力参数值进行计算得需求程度值;
根据所述需求程度值和能力参数值动态生成后续的路线图;
所述能力参数值包括:流畅值、稳定值、速度值、力量控制值;
所述流畅值由以下中的一种或多种参数决定:停顿次数、停顿分值、停顿时间、画线累计时间、碰边次数、碰边分值、碰边长度、画线累计长度;
所述使用预设算法对所述能力参数值进行计算得需求程度值,具体还包括步骤:
通过k-近邻算法对所述流畅值和所述稳定值进行计算得需求程度值。
5.根据权利要求4所述的一种存储设备,其特征在于,所述指令集还用于执行:当后续新的路线图生成后,前面用户已画路线会以预设速度逐渐消失。
6.根据权利要求4所述的一种存储设备,其特征在于,所述指令集还用于执行:所述生成第一预设像素长度的线路,具体还包括步骤:
判断所述用户是否是新用户,若是新用户,则按预设规则生成第一预设像素长度的线路;
若不是新用户,则获取所述用户的历史平均需求程度值,根据所述历史平均需求程度值生成第一预设像素长度的线路。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210099037.9A CN114495643B (zh) | 2022-01-25 | 2022-01-25 | 一种辅助训练的方法和存储设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210099037.9A CN114495643B (zh) | 2022-01-25 | 2022-01-25 | 一种辅助训练的方法和存储设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114495643A CN114495643A (zh) | 2022-05-13 |
CN114495643B true CN114495643B (zh) | 2024-05-14 |
Family
ID=81475700
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210099037.9A Active CN114495643B (zh) | 2022-01-25 | 2022-01-25 | 一种辅助训练的方法和存储设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114495643B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102397680A (zh) * | 2011-12-06 | 2012-04-04 | 北京市莱科智多教育科技有限公司 | 精细动作训练系统及其训练方法 |
CA2725679A1 (en) * | 2010-12-16 | 2012-06-16 | Dave Piket | An aid for training visual skills associated with a selected activity |
CN103823989A (zh) * | 2014-03-07 | 2014-05-28 | 中国科学院合肥物质科学研究院 | 一种儿童精细运动量化评估方法 |
CN107168525A (zh) * | 2017-04-21 | 2017-09-15 | 北京师范大学 | 一种运用精细手势识别装置辅助自闭症儿童配对训练的系统及方法 |
CN207126035U (zh) * | 2017-07-04 | 2018-03-23 | 柳州市妇幼保健院 | 孤独症儿童认知与精细动作训练板 |
CN108295437A (zh) * | 2018-02-07 | 2018-07-20 | 福建中科多特教育投资有限公司 | 一种精细动作训练系统及其训练方法 |
CN112861984A (zh) * | 2021-02-25 | 2021-05-28 | 西华大学 | 一种基于特征融合与集成学习的语音情感分类方法 |
-
2022
- 2022-01-25 CN CN202210099037.9A patent/CN114495643B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA2725679A1 (en) * | 2010-12-16 | 2012-06-16 | Dave Piket | An aid for training visual skills associated with a selected activity |
CN102397680A (zh) * | 2011-12-06 | 2012-04-04 | 北京市莱科智多教育科技有限公司 | 精细动作训练系统及其训练方法 |
CN103823989A (zh) * | 2014-03-07 | 2014-05-28 | 中国科学院合肥物质科学研究院 | 一种儿童精细运动量化评估方法 |
CN107168525A (zh) * | 2017-04-21 | 2017-09-15 | 北京师范大学 | 一种运用精细手势识别装置辅助自闭症儿童配对训练的系统及方法 |
CN207126035U (zh) * | 2017-07-04 | 2018-03-23 | 柳州市妇幼保健院 | 孤独症儿童认知与精细动作训练板 |
CN108295437A (zh) * | 2018-02-07 | 2018-07-20 | 福建中科多特教育投资有限公司 | 一种精细动作训练系统及其训练方法 |
CN112861984A (zh) * | 2021-02-25 | 2021-05-28 | 西华大学 | 一种基于特征融合与集成学习的语音情感分类方法 |
Also Published As
Publication number | Publication date |
---|---|
CN114495643A (zh) | 2022-05-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP4080889A1 (en) | Anchor information pushing method and apparatus, computer device, and storage medium | |
US20200294074A1 (en) | Location information processing method and apparatus | |
CN108287864A (zh) | 一种兴趣群组划分方法、装置、介质及计算设备 | |
CN108519998B (zh) | 基于知识图谱的问题引导方法及装置 | |
CN110721470B (zh) | 虚拟对象移动行为的控制方法、装置及电子设备 | |
WO2014194682A1 (en) | Apparatuses and methods for preventing game cheating by plug-ins | |
CN114495643B (zh) | 一种辅助训练的方法和存储设备 | |
CN107797652B (zh) | 调整显示效果的方法、装置及终端 | |
CN113596001B (zh) | DDoS攻击检测方法、装置、设备及计算机可读存储介质 | |
CN113283680B (zh) | 一种选址方法、装置、设备及其存储介质 | |
CN112862095A (zh) | 基于特征分析的自蒸馏学习方法、设备以及可读存储介质 | |
CN107885855A (zh) | 基于智能终端的动态漫画生成方法及系统 | |
CN108681531B (zh) | 文档输入的控制方法及装置 | |
CN114392563A (zh) | 一种色块生成的方法和存储设备 | |
EP4318314A1 (en) | Image acquisition model training method and apparatus, image detection method and apparatus, and device | |
CN103324454B (zh) | 用于检测目标区域中排列错位的显示元素的方法和设备 | |
JP2007157112A (ja) | 累積和基盤の変化点分析を利用した虹彩認識方法及びその装置 | |
CN112948678B (zh) | 文章召回方法及系统、文章推荐方法及系统 | |
CN113891323A (zh) | 一种基于WiFi的用户标签获取系统 | |
CN114493683A (zh) | 广告素材推荐方法、模型训练方法、装置及电子设备 | |
CN113450429B (zh) | 轨迹绘制方法及装置 | |
CN112581899A (zh) | 控制方法和电子设备 | |
CN109993807B (zh) | 头像生成方法、装置及存储介质 | |
CN107943674B (zh) | 任务进度确定方法及装置、计算机设备及存储介质 | |
CN111461969A (zh) | 用于处理图片的方法、装置、电子设备和计算机可读介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |